[发明专利]一种基于稀疏表示的自然图像恰可察觉失真阈值估计方法在审
| 申请号： | 201910034979.7 | 申请日： | 2019-01-15 |
| 公开（公告）号： | CN109872302A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 骆挺;许辰;蒋刚毅;徐海勇;姜求平;钟才明 | 申请（专利权）人： | 宁波大学科学技术学院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62 |
| 代理公司： | 宁波奥圣专利代理事务所(普通合伙) 33226 | 代理人： | 周珏 |
| 地址： | 315212 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于稀疏表示的自然图像恰可察觉失真阈值估计方法，其对训练集中的高清自然图像进行分不重叠的图像块处理，通过计算图像块中的所有像素点的像素值的平均方差，选择部分图像块构成训练矩阵，将训练矩阵代入K‑VSD算法中进行字典训练得到过完备字典；对待处理的自然图像进行分重叠的图像块处理，将所有图像块和过完备字典代入OMP算法中得到稀疏系数矩阵，根据稀疏系数矩阵获取结构层图像和非结构层图像，利用不同的计算方式获取结构层图像和非结构层图像各自的恰可察觉失真阈值图，进而融合得到待处理的自然图像的恰可察觉失真阈值图；优点是其能估计得到准确的恰可察觉失真阈值图，与人眼主观视觉感知具有更好的一致性。 | ||
| 搜索关键词： | 自然图像 图像块 失真 结构层 察觉 阈值图 图像 稀疏表示 稀疏系数 训练矩阵 阈值估计 算法 字典 矩阵 计算方式 矩阵获取 主观视觉 字典训练 不重叠 像素点 方差 高清 人眼 像素 感知 融合 | ||
【主权项】：
1.一种基于稀疏表示的自然图像恰可察觉失真阈值估计方法，其特征在于包括以下步骤：步骤一：将待处理的自然图像记为Ses；然后以尺寸大小为8×8像素的滑动窗口，以滑动步长为1像素在Ses中滑动，将Ses划分成多个尺寸大小为8×8像素的重叠的图像块；其中，Ses的宽度为W且高度为H；步骤二：训练一个过完备字典，记为D；其中，D的维数为64×256；步骤三：将Ses中的所有图像块和D代入OMP算法中，得到Ses的稀疏系数矩阵，记为X；其中，X的维数为W×H；步骤四：获取Ses的结构层图像和非结构层图像，对应记为Ses‑si和Ses‑nosi，将Ses‑si中坐标位置为(u,v)的像素点的像素值记为Ses‑si(u,v)，Ses‑si(u,v)＝X(u,v)；将Ses‑nosi中坐标位置为(u,v)的像素点的像素值记为Ses‑nosi(u,v)，Ses‑nosi(u,v)＝Ses(u,v)‑Ses‑si(u,v)；其中，1≤u≤W,1≤v≤H，X(u,v)表示X中下标为(u,v)的系数，Ses(u,v)表示Ses中坐标位置为(u,v)的像素点的像素值；步骤五：利用亮度适应性方程和对比度掩模方程计算得到Ses‑si的恰可察觉失真阈值图，记为JNDsi；并利用结构不确定度和亮度适应性方程计算得到Ses‑nosi的恰可察觉失真阈值图，记为JNDnosi；再利用NAMM融合模型将JNDsi和JNDnosi相互融合，得到Ses的恰可察觉失真阈值图。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于宁波大学科学技术学院，未经宁波大学科学技术学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910034979.7/，转载请声明来源钻瓜专利网。
